數字中國戰略拉開，資產管理行業如何走向數字化?在投研行業中人工智能輔助投研工具的應用效果與場景是怎樣的?數據量需求最大的量化投研行業新發展階段的產生原因?在近日通聯數據主辦的的「嗨～AI」資產管理數字化轉型峰會上，中信建投研究所所長武超則對此提出了她的看法。
數字化對各個行業都是有深刻影響的。十年前的網絡化和信息化，那個時候大家都覺得線上是非主流，現在看線上化是主流。資管行業現在還處在信息化到數字化之間沒有到數字化的階段。數字化本質上需要有一系列的過程：比如說上云、比如企業的數字資產，怎么能讓它上來，未來才能基于數據的本身和算力的提升最后走向應用，也就是智能化的階段。比起消費互聯網，資產管理的數字化和智能化程度其實是不高的。全行業都還是在一個過渡的過程中，金融行業或者說資管行業，相對而言這兩年數字化進展明顯開始加速。因為行業特性，即主要還是服務很多機構客戶，服務TO C客戶的部門相對數字化程度更高一些。數字化最重要的目前指導投資作用發生在對我們研究邏輯上的一個補充，或者說是一個輔助決策，提高效率，因為投資是一個相對比較復雜的模型。
我認為像通聯數據這樣的人工智能輔助投研工具，可能不僅僅是對量化分析師有用，對所有行業分析師都是有用的。本質上，都是帶來生產資料和生產工具上的變革。以前分析師使用的是上市公司公告，或者調研，一些傳統的數據來源。但是隨著基礎工具的變化，我們現在和通聯有一些數據方面的合作，比如分析師用它的工具對底層的數據進行整理啊，清洗啊，包括一些智能研報的輸出。目前現在看，很有效的。首先是效率的提高，對于節約分析師時間是很有用的，可以有效降低人工成本。
第二個我覺得長期看，我們可以用它來滿足我們的定制化的需求。我們在投研分析工作中，并不會完全從產品出發，而是從需求出發，反向基于真正大數據來做分析，現在的大數據雖然很全，但是數量太大，不可能一開始就撲進大數據，那么找到有效數據就像大海撈針了，所以對我們的挑戰是怎么把這樣的大數據用起來。另外，如果研報模型或者底層框架太復雜，輸出的東西就是無效的。而人工智能可以持續處理巨量數據，因此我們與通聯數據的合作更進一步，將大數據資源與我們現有的框架和研究方法結合起來，產生一些新的研究成果。
量化投研目前正處于一個好的階段。一方面是整個資管行業正在發生一個非常大的擴容和爆發，我覺得這是基礎。如果沒有這樣一個爆發的話，在過去這個市場容量里，很多主動權益的管理就足夠了，量化最合適的還是圍繞大規模的資金和資本，比如像ETF這一類的產品。第二個是國內和海外市場的差異性導致的。很多做量化的人都是在美國或者海外，更多的是從海外把模型拿過來，去改進升級。這種辦法在初期比較有效，但是當大量的人都在這樣做的話，這個東西可能會失效。所以長期看，還是要基于我們自己市場的特點和特色，比如我們也剛剛開始做注冊制，包括我們對新股的理解等等，帶有中國市場的特色的策略會更有效我認為。最終我覺得做賣方量化的支持，可能更多還是在過程中，或者叫邏輯的輸出，包括因子的輸出上面，可能我們會有一些優勢，因為我們的信息面或者是數據源會更多一些。輔助這些買方去做決策。這塊是我們現在定位去做的事情。
